onnx web

onnx-web

onnx-web は、Stable Diffusion およびその他の ONNX モデルの実行プロセスを簡素化するように設計されているため、高品質、高解像度のアートの作成に集中できます。 AMD と Nvidia GPU の両方でハードウェア アクセラレーションの効率性を高め、信頼性の高い CPU ソフトウェア フォールバックを提供することで、デスクトップ、ラップトップ、およびマルチ GPU サーバーでシームレスなユーザー エクスペリエンスを備えたフル機能セットを提供します。

Github Pages でホストされ、主力のモバイル デバイスを含むすべての主要なブラウザからアクセスできる、ユーザー フレンドリーな Web UI を介して移動できます。ここでは、各画像パイプラインの拡散モデルとアクセラレータを柔軟に選択でき、各モードを定義する画像パラメータに簡単にアクセスできます。画像をアップロードする場合でも、インペイントやアウトペイントを通じて芸術的なタッチを表現する場合でも、onnx-web は強力でありながらユーザーフレンドリーな環境を提供します。最近の出力イメージはコントロールの下にきちんと表示され、以前のパラメータを再確認したり、以前の出力をリミックスしたりするための便利な視覚的リファレンスとして機能します。

Linux と Windows の両方と互換性のある API を使用して、onnx-web エクスペリエンスをさらに深く掘り下げてください。この RESTful インターフェイスは、HuggingFace ディフューザー ライブラリのさまざまなパイプラインをシームレスに統合し、モデルやアクセラレータに関する貴重なメタデータと、クリエイティブな実行からの詳細な出力を提供します。

onnx-web を使用してジェネレーティブ アートの旅に乗り出し、詳細なドキュメント サイトでその機能を探索してください。あなたの創造的な努力を後押しする、包括的なスタート ガイド、セットアップ ガイド、ユーザー ガイドを見つけてください。

詳細については、ドキュメント サイトを確認してください。

• 入門ガイド
• セットアップガイド
• ユーザーガイド

特徴

これは、新しく興味深い機能の不完全なリストです。

• SDXLおよびSDXLターボをサポート
• さまざまなスケジューラ: DDIM、DEIS、DPM SDE、Euler Ancestral、LCM、UniPC など
• AMD と Nvidia の両方でのハードウェア アクセラレーション
  • CUDA、DirectML、ROCm でテスト済み
  • AMD と Nvidia の両方で低メモリ GPU を半精度でサポート
  • CPU のみのシステムのソフトウェア フォールバック
• 画像を生成して表示するための Web アプリ
  • Github Pages、CDN、またはローカルでホストされる
  • 最近の画像を保持し、タブを変更しても進行状況を維持します
  • 複数の画像をキューに入れてエラーを再試行する
  • 英語、フランス語、ドイツ語、スペイン語の翻訳が利用可能 (詳細については問題を開いてください)
• 多くのdiffusersパイプラインをサポート
  • txt2img
  • img2img
  • 修復、マスク描画とアップロード付き
  • パノラマ、SD v1.5 と SDXL の両方用
  • ONNX アクセラレーションによるアップスケーリング
• 独自のモデルを追加して使用する
  • ディフューザーと SD チェックポイントからモデルを変換する
  • HuggingFace ハブ、Civtai、および HTTPS ソースからモデルをダウンロードする
• 追加のネットワークをブレンドする
  • 永続的かつ即時ベースのブレンディング
  • LoRA および LyCORIS 重みをサポート
  • テキスト反転の概念と埋め込みをサポートします
    • 埋め込みの各レイヤーは個別に制御および使用できます。
• コントロールネット
  • エッジ検出およびその他の方法のための画像フィルター
  • ONNX アクセラレーションを使用
• ハイレゾモード
  • 他のパイプラインの結果に対して img2img を実行します
  • 複数の反復により 8K 以上の画像を生成できる
• マルチステージおよびリージョンプロンプト
  • 同じ画像内の複数のプロンプトをシームレスに組み合わせる
  • 画像内のさまざまな領域にプロンプ​​トを表示し、それらをブレンドします
  • 高解像度モードのプロンプトを変更し、再帰なしで詳細を調整します
• プロンプトの長さは無限大
  • 長時間のプロンプト加重を使用する
• 画像ブレンドモード
  • 歴史からの画像を組み合わせる
• アップスケーリングと補正
  • Real ESRGAN、SwinIR、安定拡散によるアップスケーリング
  • CodeFormer と GFPGAN による顔補正
• APIサーバーはリモートで実行可能
  • REST APIはHTTPSまたはHTTP経由で提供可能
  • すべての画像パイプラインのバックグラウンド処理
  • イメージステータスのポーリング、ロードバランサとの連携が良好
• 提供されるOCIコンテナ
  • サポートされているすべてのハードウェア アクセラレータの場合
  • API と GUI の両方のバンドルが 1 つのコンテナに含まれています
  • RunPod、Vast.ai、およびその他の GPU コンテナ ホスティング サービスで適切に動作します

コンテンツ

• onnx-web
  • 特徴
  • コンテンツ
  • 設定
    • 独自のモデルを追加する
  • 使用法
    • 既知のエラーと解決策
    • コンテナの実行
  • クレジット

設定

onnx-web を実行するにはいくつかの方法があります。

• クロスプラットフォーム:
  • このリポジトリのクローンを作成し、仮想環境を作成し、 pip install実行します。
  • OCIコンテナのプルと実行
• Windows の場合:
  • このリポジトリのクローンを作成し、 setup-*.batスクリプトの 1 つを実行します。
  • 実験的なオールインワン バンドルをダウンロードして実行します

サーバーを実行するだけでよく、何もコンパイルする必要はありません。クライアント GUI は Github Pages でホストされており、Windows オールインワン バンドルに含まれています。

拡張セットアップ ドキュメントはセットアップ ガイドに移動されました。

独自のモデルを追加する

コードを変更せずに、HuggingFace Hub または Civitai からモデルをダウンロードするか、ローカル ファイルから変換することで、独自のモデルを追加できます。プロンプト内のトークンを使用して、LoRA やテキスト反転などの追加のネットワークをダウンロードしてブレンドすることもできます。

使用法

既知のエラーと解決策

ユーザーガイドの「既知のエラー」セクションを参照してください。

コンテナの実行

これはサーバー管理者ガイドに移動されました。

クレジット

変換およびパイプライン コードの一部は、次のコードからコピーまたは派生されました。

• Amblyopius/Stable-Diffusion-ONNX-FP16
  • GPL v3: https://github.com/Amblyopius/Stable-Diffusion-ONNX-FP16/blob/main/LICENSE
  • https://github.com/Amblyopius/Stable-Diffusion-ONNX-FP16/blob/main/pipeline_onnx_stable_diffusion_controlnet.py
  • https://github.com/Amblyopius/Stable-Diffusion-ONNX-FP16/blob/main/pipeline_onnx_stable_diffusion_instruct_pix2pix.py
• d8ahazard/sd_dreambooth_extension
  • 非営利ライセンス: https://github.com/d8ahazard/sd_dreambooth_extension/blob/main/license.md
  • https://github.com/d8ahazard/sd_dreambooth_extension/blob/main/dreambooth/sd_to_diff.py
• huggingface/diffusers
  • Apache v2: https://github.com/huggingface/diffusers/blob/main/LICENSE
  • https://github.com/huggingface/diffusers/blob/main/scripts/convert_stable_diffusion_checkpoint_to_onnx.py
• uchuusen/onnx_stable_diffusion_controlnet
  • GPL v3: https://github.com/uchuusen/onnx_stable_diffusion_controlnet/blob/main/LICENSE
• uchuusen/pipeline_onnx_stable_diffusion_instruct_pix2pix
  • Apache v2: https://github.com/uchuusen/pipeline_onnx_stable_diffusion_instruct_pix2pix/blob/main/LICENSE

これらのパーツには独自のライセンスがあり、商用利用、変更、再配布に追加の制限が付いています。プロジェクトの残りの部分は MIT ライセンスに基づいて提供されており、私はこれらのコンポーネントをライブラリに分離することに取り組んでいます。

ハードウェア アクセラレーションで Stable Diffusion を使用するには、他にも次のような優れたオプションが多数あります。

• https://github.com/Amblyopius/AMD-Stable-Diffusion-ONNX-FP16
• https://github.com/azuritecoin/OnnxDiffusersUI
• https://github.com/ForserX/StableDiffusionUI
• https://github.com/pingzing/stable-diffusion-playground
• https://github.com/quickwick/stable-diffusion-win-amd-ui

このセットアップを取得して AMD で実行することは、次のガイドがなければ不可能でした。

• https://gist.github.com/harishanand95/75f4515e6187a6aa3261af6ac6f61269
• https://gist.github.com/averad/256c507baa3dcc9464203dc14610d674
• https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Install-and-Run-on-AMD-GPUs
• https://www.travelneil.com/stable-diffusion-updates.html